Importare i dati measures.
rm(list=ls())
# i dati si trovano nella cartella "dati" all'indirizzo:
# https://github.com/aldosolari/AE/tree/master/dati
# potete scaricarli (da formato "Raw" e tasto destro "Save as")
# oppure usare il loro URL (Uniform Resource Locator)
url <- "https://raw.githubusercontent.com/aldosolari/AE/master/dati/measure.csv"
measure <- read.csv(url)
chest, waist e hips, utilizzando il comando cloud() che ĆØ disponibile nel pacchetto lattice:library(lattice)
cloud(chest ~ waist + hips, data=measure)
cloud(chest ~ waist + hips, group=gender, data=measure)
Funzioni R più avanzate permettono di costruire un diagramma tridimensionale interattivo:
column.gender <- which(names(measure)=="gender")
plot(measure[,-column.gender], col=(measure$gender=="male")+1)
gender utilizzando il comando faces() presente nel pacchetto TeachingDemos:library("TeachingDemos")
faces(measure[,-column.gender], scale=TRUE) #scale=TRUE standardizza i dati
stars(), aggiungendo la legenda con lāargomento key.loc = c(12,10).stars(measure[,-column.gender], scale=TRUE,
key.loc = c(12, 10)) # per posizionare la legenda alle coordinate (x,y)
Il data.frame quakes ĆØ presente nel pacchetto dataset. Si tratta di 1000 osservazioni misurate su 5 variabili:
Il diagramma di dispersione per latitudine e longitudine dei terremoti, utilizzando il simbolo . per indicare le osservazioni, ĆØ dato da:
data("quakes")
plot(lat ~ long, quakes, pch=".")
co.intervals()) e commentare.intervalli <- co.intervals(quakes$depth, number=4, overlap=0)
intervalli
[,1] [,2]
[1,] 39.5 99.5
[2,] 98.5 246.5
[3,] 247.5 543.5
[4,] 542.5 680.5
coplot(lat ~ long | depth, data = quakes, given.v = intervalli, rows = 1)